I.6Перевод и языковая адаптация

biodatlab разработала компактную модель автоматического распознавания речи на архитектуре Whisper, полученную дистилляцией Whisper Medium. В ней 455,8 млн параметров и 4 слоя декодера вместо 24 у модели-учителя. Модель предназначена для распознавания тайской речи и может использоваться в приложениях, преобразующих тайскую речь в текст. При дистилляции использовались Common Voice v13, Gowajee, Thai Elderly Speech Corpus, пользовательские собранные данные и корпус тайских диалектов Thai-Central из SLSCU Thai Dialect Corpus. На тестовой выборке Common Voice 13 показатель WER с токенизацией DeepCut составил 7,58% против 7,42% у модели-учителя Whisper Medium. Модель распространяется под лицензией MIT. Модель может хуже распознавать другие языки и речь на диалектах или с акцентами, отличными от обучающих данных. На точность также влияют фоновый шум и разборчивость речи.

Gemma-SEA-LION-v3-9B-IT-Cebuano — модель Lucas Joyce, созданная слиянием базовой Gemma-SEA-LION-v3-9B-IT и LoRA-адаптера для словарных запросов на Cebuano (Binisaya). Это плотная авторегрессионная модель Gemma 2 примерно на 9,3 млрд параметров; она принимает текст и генерирует ответы, в том числе переводы и толкования слов на Cebuano и английском. Контекст составляет 8192 токена, веса доступны в формате safetensors, адаптер уже объединён с базовой моделью. Модель предназначена прежде всего для поиска английских значений Cebuano-слов по словарным данным, собранным из двух источников, включая словарь John U. Wolff и данные Wiktionary. Авторы указывают, что точность зависит от формулировки запроса: редкие слова и перефразированные вопросы могут приводить к уверенным, но неверным толкованиям; ответы следует проверять по словарю. Глоссы могут быть длинными и неудобными для изучающих язык, а модель склонна придумывать значения для несуществующих слов. Для лучших результатов рекомендуется использовать шаблонные формулировки и низкую температуру генерации. Лицензия модели — Gemma Terms of Use; повторное использование данных Wiktionary требует атрибуции и соблюдения CC BY-SA 4.0.

agnivamaiti/jem-whisper-yi-2026-09-02-v3 — дообученная модель семейства Whisper Large v3, созданная на основе ivrit-ai/yi-whisper-large-v3. Она предназначена для автоматического распознавания речи и транскрибации аудио на идише. Модель содержит 905,2 млн параметров, использует архитектуру WhisperForConditionalGeneration и доступна в формате Safetensors для библиотеки Transformers. В README приведены результаты оценки: Loss 0,3918, WER Ortho 1,0265 и WER 0,5948; без описания набора данных и методики оценки эти показатели сложно интерпретировать. Модель распространяется по лицензии Apache-2.0. Сведения о более широком наборе языков, условиях записи и практических ограничениях не приведены.

Модель agnivamaiti/jem-whisper-yi-2026-09-03-v3 — дообученная версия Whisper Large v3, созданная на основе ivrit-ai/yi-whisper-large-v3. Она предназначена для автоматического распознавания речи и преобразования аудио в текст. Модель содержит 905,2 млн параметров, использует архитектуру WhisperForConditionalGeneration и распространяется в формате safetensors для библиотеки Transformers. В оценке на тестовом наборе указаны WER 0,2399, орфографический WER 0,3108 и loss 0,3852. Базовая модель предназначена для транскрибации на идише; карточка этой версии не описывает обучающий набор и отдельно не уточняет её языковой охват. Лицензия — Apache 2.0.

Kanarya-2B — предобученная языковая модель на архитектуре GPT-J, разработанная в рамках инициативы Turkish Data Depository. Она содержит 2,05 млрд параметров и обучена на турецких текстах из OSCAR и mC4, собранных из новостей, статей и веб-сайтов. Архитектура включает 24 слоя, скрытый размер 2560, 20 голов внимания, вращательные позиционные эмбеддинги и словарь из 32 768 токенов; контекст — до 2048 токенов. Модель принимает текст и генерирует текст на турецком языке. Модель предназначена для дообучения под задачи турецкого NLP, включая генерацию, перевод и суммаризацию. Без дообучения автор не рекомендует применять её для конечных задач. Лицензия — Apache-2.0.

Kankanaghosh/latin_english_translation_model — дообученная модель семейства T5, созданная на основе t5-small. Она предназначена для перевода между латинским и английским языками. Модель содержит 38,5 млн параметров, работает с текстом и использует архитектуру T5ForConditionalGeneration; максимальная длина контекста составляет 512 токенов. В карточке приведены результаты оценки: BLEU 0,7023 и loss 3,4405, однако набор данных и подробности оценки не описаны. Модель загружена в формате safetensors и распространяется по лицензии Apache-2.0. README не уточняет ограничения и рекомендуемые сценарии применения.

MubarakB/m2m100-lg-to-en-v2 — дообученная модель семейства M2M100 на базе facebook/m2m100_418M, предназначенная для перевода текста с языка lg на английский. Это плотная encoder-decoder модель класса M2M100ForConditionalGeneration с 332,5 млн параметров и контекстом до 1024 токенов. Репозиторий содержит веса в формате safetensors; лицензия — MIT. Карточка сообщает о дообучении на датасете, обозначенном как None, и приводит значение loss 11,5952 на оценочном наборе. Подробностей о данных и ограничениях применения нет, поэтому качество перевода по этой оценке судить нельзя.

Это дообученная модель распознавания речи kurdai-academy, созданная на основе facebook/mms-1b-fl102 и обученная на наборе Common Voice 17.0. Она использует архитектуру Wav2Vec2ForCTC и предназначена для преобразования аудио в текст на курдском языке сорани. Модель содержит 1,3 млрд параметров и распространяется в формате safetensors для библиотеки Transformers. На оценочной выборке автор сообщает loss 0,3046 и WER 0,4115; результат указывает на заметные ошибки распознавания, поэтому качество следует проверять на целевых аудиозаписях. Лицензия CC BY-NC 4.0 допускает использование с указанием авторства, но запрещает коммерческое применение.

Helsinki-NLP/opus-mt-tc-bible-big-mul-deu_eng_fra_por_spa — модель машинного перевода проекта OPUS-MT, разработанная Language Technology Research Group Хельсинкского университета. Это трансформер MarianMT крупного размера с 159,3 млн параметров, предназначенный для перевода с множества исходных языков на немецкий, английский, французский, португальский и испанский. Модель обучена на библейских текстах; контекст составляет до 1024 токенов. Модель рассчитана на широкий охват языков, включая языки с ограниченными ресурсами. Однако README предупреждает, что для большинства таких языков обучающих данных мало: качество сильно различается между языковыми парами, а некоторые пары могут работать совсем плохо. Доступна в форматах PyTorch и Safetensors для Transformers. Лицензия — Apache-2.0.

Модель atsuki-yamaguchi/Qwen2.5-7B-Instruct-am-madlad-mean-tuned — языковая модель на архитектуре Qwen2 с 7,1 млрд параметров, созданная на основе Qwen/Qwen2.5-7B-Instruct. Разработчик адаптировал её для амхарского языка: словарь расширен на 10 тысяч токенов, а эмбеддинги новых токенов и соответствующие веса LM head инициализированы средним значением. Модель продолжительно предобучали на 500 млн токенов амхарского языка из набора MADLAD-400. Модель предназначена для генерации текста и диалогов на амхарском языке; она использует интерфейс Transformers и поддерживает контекст до 32 768 токенов. В метаданных также указана возможность интерфейса вызова инструментов, но README не описывает её практическую настройку или качество. Модель распространяется по лицензии Apache 2.0. Специализация на амхарском не гарантирует, что качество базовой модели на других языках сохранено.

Qwen3.6-27B-slo-med-mt — это плотная мультимодальная модель на 27 млрд параметров, разработанная MediaAtlas дообучением Qwen3.6-27B-uncensored-heretic-v2-Native-MTP-Preserved. Она предназначена для перевода медицинских, клинических и научных текстов между английским и словенским языками, с формальным словенским медицинским регистром и вниманием к дозировкам, единицам измерения, названиям лекарств и отрицаниям. Модель принимает текст; сохранённый энкодер изображений базовой модели также позволяет подавать изображения, однако обучение и оценка были текстовыми, а понимание изображений на словенском не проверялось. Веса bf16 представлены в формате Safetensors; сохранены тензоры MTP для ускоренного декодирования. Модель подходит для исследовательской подготовки и курирования параллельных медицинских данных, а также пакетного перевода корпусов с последующей проверкой специалистом. По README, обучение включало около миллиона пар предложений EN–SL, примерно 57% из которых относятся к медицине. Результаты общего теста FLORES-200 близки к базовой модели, поэтому специализация модели — медицинская терминология, а не заметное улучшение общего перевода. Лицензия указана как other. Авторы ограничивают применение исследованиями и обучением: каждый перевод должен проверять квалифицированный человек; модель не предназначена для клинического использования или медицинских советов. Возможны опасные ошибки в дозах, единицах, названиях препаратов и отрицаниях, а числительные, записанные словами, являются известной слабостью.

Southern Kurdish ASR — модель автоматического распознавания речи на южнокурдском языке (SDH), разработанная для преобразования устной речи в текст. Она построена на архитектуре Wav2Vec-BERT 2.0 с CTC-декодированием и содержит около 402,7 млн параметров. Модель обучена на 30 часах проверенной речи, прочитанной вслух, и предназначена для задач распознавания южнокурдской речи. В оценке на южнокурдской части бенчмарка Frezar модель показала CER 4,09 и WER 24,26. Эти результаты относятся к условиям данного бенчмарка; качество на спонтанной речи, других акцентах и шумных записях может отличаться. Для модели указана лицензия CC BY-NC-ND 4.0, предусматривающая атрибуцию и ограничения на коммерческое использование и распространение производных материалов.

WindyTranslate/translate-en-kwy — модель машинного перевода с английского языка на kwy, опубликованная Windstorm Labs. Это дообученная версия MarianMTModel из семейства Marian, основанная на Helsinki-NLP/opus-mt-en-kwy. Веса изменены методом LoRA на параллельном корпусе, после чего адаптер объединён с базовыми весами; репозиторий содержит сборку Transformers в формате safetensors с 54,9 млн параметров и контекстом 512 токенов. Модель предназначена для перевода текстов с английского на kwy. Она поддерживает только это направление перевода и лицензирована по Apache-2.0. Выход проверен на соответствие заявленному языку, однако качество перевода не оценивалось; изменение весов подтверждает происхождение версии, но само по себе не свидетельствует о качестве.

WindyTranslate/translate-en-sal — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-en-sal: LoRA-адаптер обучили на параллельных текстах и объединили с базовыми весами. Модель построена на архитектуре Marian и содержит 53,8 млн параметров; она принимает английский текст и переводит его на язык, обозначенный кодом sal. Контекст модели составляет 512 токенов. Модель предназначена для перевода текста только в направлении с английского на sal. Репозиторий содержит сборку Transformers в формате safetensors. Качество перевода не оценивалось: проверка подтвердила язык выходного текста, но не точность и естественность перевода. Лицензия — Apache-2.0.

Windstorm Labs опубликовала модель машинного перевода с финского языка на пангасинанский. Это дообученная версия Helsinki-NLP/opus-mt-fi-pag: LoRA-дообучение на параллельных текстах объединено с базовыми весами. Модель построена на архитектуре MarianMT, содержит 56,8 млн параметров, принимает текст и выдаёт перевод; максимальная длина контекста — 512 токенов. Модель предназначена для перевода с финского на пангасинанский в приложениях на базе Transformers. В проверке на 48 предложениях FLORES-200 она получила chrF++ 26,26 и BLEU 2,79; результат помечен как ограниченный и является предварительной проверкой, а не публикационным бенчмарком. Поддерживается только направление fi→pag. Лицензия — Apache-2.0.

WindyTranslate/translate-fi-tiv — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-fi-tiv: к базовым весам применили LoRA-дообучение на параллельном корпусе и объединили адаптер с моделью. Архитектура MarianMT, около 49,2 млн параметров; модель принимает финский текст и переводит его на язык тиви. Максимальная длина контекста — 512 токенов. Модель предназначена для перевода с финского на тиви. Качество не оценивалось на бенчмарках, поэтому пригодность результатов для конкретных задач не подтверждена. Репозиторий содержит сборку Transformers в формате safetensors. Лицензия — Apache-2.0.

Windstorm Labs выпустила модель машинного перевода с финского языка на ток-писин. Это дообученная и объединённая с базовыми весами модель MarianMT с 52,9 млн параметров, принимающая текст и генерирующая перевод; максимальная длина контекста — 512 токенов. Модель основана на Helsinki-NLP/opus-mt-fi-tpi и дообучена методом LoRA на параллельных данных. Для проверки качества авторы приводят результат FLORES-200 на выборке из 48 предложений: chrF++ 30,72 и BLEU 7,06, оценённый ими как пригодный для использования. Модель предназначена для перевода текста с финского на ток-писин. Она опубликована в формате safetensors и используется через Transformers. Лицензия — Apache-2.0. Модель поддерживает только одно направление перевода; опубликованная оценка основана на небольшой выборке и не является результатом полноценного исследования.

Typhoon ASR Real-Time — модель распознавания речи на тайском языке, разработанная Typhoon AI для потоковых сценариев с низкой задержкой. Она основана на NVIDIA FastConformer Transducer и дообучена на 10 000 часах тайских аудиозаписей с транскрипциями. Модель предназначена для быстрой транскрибации речи в реальном времени, в том числе при обработке больших потоков, и, по данным карточки, эффективно работает на обычных CPU. В README заявлены скорость обработки 4097× от реального времени и показатель CER 0,0984; результаты приведены со ссылкой на Open ASR Leaderboard. Лицензия в метаданных — CC BY 4.0. В README также указано согласие с условиями OpenTyphoon и уведомлением о конфиденциальности. Заявленные показатели относятся к описанию модели; карточка не уточняет условия и набор данных оценки.

techiaith/wav2vec2-btb-cv-ft-cv-cy — модель распознавания речи на валлийском языке, разработанная Techiaith. Это дообученная версия techiaith/wav2vec2-xlsr-53-ft-btb-cv-cy: энкодер базовой модели заморожен, обучение проводилось на Common Voice 18 для валлийского языка. Модель построена на архитектуре wav2vec2 и имеет около 402,7 млн параметров. Модель преобразует аудио в текст и предназначена для автоматической расшифровки валлийской речи. На стандартном тестовом наборе Common Voice 18 для валлийского языка она показала WER 24,93 и CER 6,55; при использовании сопутствующей языковой модели KenLM показатели составили WER 15,30 и CER 4,57. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

Модель lucio/wav2vec2-large-xlsr-kinyarwanda-apostrophied разработана Lucio и представляет собой дообученную для распознавания речи на киньяруанда модель facebook/wav2vec2-large-xlsr-53. Это архитектура Wav2Vec2ForCTC с 402,7 млн параметров, обученная на части Common Voice; для входной речи требуется частота дискретизации 16 кГц. Модель преобразует аудио на киньяруанда в текст и пытается расставлять апострофы, обозначающие слияния местоимений со словами, начинающимися с гласной. В README для тестовых данных Common Voice приведён результат 39,92%; апострофы могут расставляться чрезмерно часто. Лицензия — Apache-2.0.

Это модель автоматического распознавания речи на основе Wav2Vec2, дообученная авторами репозитория asr-africa на базе facebook/wav2vec2-xls-r-300m на наборе данных FLEURS. Модель предназначена для преобразования аудиоречи на языке фула в текст. Модель содержит около 402,7 млн параметров и использует архитектуру Wav2Vec2ForCTC. В карточке приведены результаты оценки на тестовой выборке: loss 1,1949, WER 0,6460 и CER 0,2359. Для использования доступны веса в формате safetensors; лицензия — Apache-2.0.

DrishtiSharma/wav2vec2-xls-r-myv-a1 — модель распознавания речи, дообученная на основе facebook/wav2vec2-xls-r-300m на наборе Mozilla Common Voice 8.0 для языка эрзя (myv). Она использует архитектуру Wav2Vec2ForCTC и содержит 402,7 млн параметров. Модель принимает аудио и преобразует речь в текст; её можно применять для транскрибации записей на эрзянском языке. В карточке приведены результаты оценки на тестовом наборе Common Voice 8.0: WER 0,6524 и loss 1,0356. Модель распространяется по лицензии Apache-2.0. Высокое значение WER указывает на существенные ошибки распознавания, поэтому качество транскрипций может требовать проверки и исправления.

Модель formospeech/whisper-large-v3-taiwanese-hakka — дообученная версия Whisper large-v3 от OpenAI, подготовленная для распознавания тайваньского языка хакка с учётом шести диалектов. Во время обучения использовались идентификаторы диалектов в качестве подсказок: Sixian, Hailu, Dabu, Raoping, Zhao’an и Nansixian. Модель предназначена для преобразования аудиозаписей на хакка в текст. Она построена на архитектуре Whisper large-v3 и распространяется в формате safetensors; для работы используется библиотека Transformers. Репозиторий закрытый: для доступа требуется запросить разрешение на Hugging Face. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Kiyan122/whisper-small-fa-commonvoice — дообученная модель распознавания речи на основе openai/whisper-small. Она предназначена для преобразования аудио в текст; название указывает на ориентацию на персидскую речь и Common Voice, однако README не подтверждает язык и набор данных. Модель содержит 153,1 млн параметров, использует архитектуру Whisper и формат safetensors, запускается через Transformers. Лицензия — Apache-2.0. Подробности обучения, оценки качества и ограничения в карточке не приведены.

avalonai/whisper-small-jv — модель распознавания речи, созданная дообучением Whisper Small для яванского языка. В карточке указано, что для обучения использовался датасет OpenSLR; метаданные также связывают модель с Common Voice 16.1. Архитектура — WhisperForConditionalGeneration, размер — 153,1 млн параметров; модель принимает аудио и выдаёт текстовую транскрипцию. Модель предназначена для автоматического распознавания яванской речи. В описанных авторами экспериментах она достигла WER 23,22%. Распространяется по лицензии MIT.

EYEDOL/whisper-tiny-yoruba-v2 — дообученная на основе openai/whisper-tiny модель семейства Whisper для автоматического распознавания речи и преобразования аудио в текст. Репозиторий использует архитектуру WhisperForConditionalGeneration и формат safetensors; модель предназначена для транскрибации речи на йоруба. В карточке приведены результаты оценки: WER Ortho 5.3698, CER Ortho 3.9789, WER 4.9073 и CER 3.9929. Сведения о датасете, условиях обучения и сценариях применения в README не раскрыты. Модель распространяется по лицензии Apache-2.0.

AfriGuard-AfriqueQwen3.5-4B-50Langs — дообученная McGill-NLP модель на архитектуре Qwen3.5 с 4 млрд параметров. Она создана на основе AfriqueQwen3.5-4B-50Langs и обучена на наборе данных afriguard. Модель предназначена для диалоговых сценариев с обработкой изображений и текста; базовая модель адаптирована для работы с 50 африканскими языками. Модель использует библиотеку Transformers, а веса представлены в формате safetensors. Карточка не описывает специальные возможности дообучения, результаты оценки или ограничения применения. Лицензия указана как other, поэтому конкретные условия использования по имеющимся данным определить нельзя.

Chinese-LLaVA-Cllama2 — двуязычный китайско-английский визуально-языковой помощник, разработанный проектом LinkSoul. Модель построена на архитектуре LLaVA с языковой частью на основе Chinese-Llama-2; в метаданных указано 6,6 млрд параметров и контекст 2048 токенов. Репозиторий содержит веса PyTorch. Модель предназначена для диалога на китайском и английском языках с учетом визуального содержимого. Она может отвечать на вопросы по изображениям и вести мультимодальный диалог; основная задача в метаданных — генерация текста. В README заявлена возможность коммерческого использования, однако указаны разные лицензии: OpenRAIL в метаданных Hugging Face и Apache-2.0 в карточке проекта, поэтому условия лицензирования следует сверить для конкретных файлов модели.

diactag-1.0 — модель Olaverse для восстановления диакритических знаков в тексте на десяти языках. Она классифицирует символы, предсказывая форму букв и тоновые или акцентные знаки, а не генерирует новую строку. Архитектура включает общий энкодер из 12 блоков и около 37,6 млн параметров; модель рассчитана на запуск на CPU. В README также описаны экспорт ONNX и вариант int8. Модель подходит для восстановления диакритики в тексте, где важно сохранить исходные символы и их порядок: по конструкции она может добавлять знаки, но не вставлять, удалять или заменять буквы. Для десяти языков используется общий энкодер с языковыми компонентами и отдельным определением формы и тона. Качество различается по языкам: README отмечает особенно сложные случаи в йоруба и более слабые результаты на вьетнамском и португальском по сравнению с альтернативной моделью. Модель распространяется под лицензией Apache-2.0. Она не исправляет опечатки; неоднозначные формы без достаточного контекста могут оставаться неразрешимыми, а необычно высокая плотность диакритических знаков ухудшает качество.

Echoes-1.5-Instruct-PT-BR — модель генерации текста с настройкой на следование инструкциям, разработанная Henrique Imóveis. Она дообучена на базе Echoes-1.5-Base-PT-BR, обученной с нуля на бразильском португальском. Модель содержит 827,7 млн параметров; архитектура — плотная Qwen3NextForCausalLM. Для генерации используется формат «Pessoa 1: {вопрос}\nEchoes: {ответ}», а не стандартный шаблон чата. Контекст составляет 4096 токенов; для работы нужна библиотека Transformers. Модель рассчитана на ответы в неформальном стиле бразильских форумов 2000-х годов. Она может отвечать на вопросы, переводить, признавать нехватку знаний и исправлять ложные предпосылки. В описанной автором оценке модель набрала 9,8 из 14 баллов; арифметические задачи решает слабо. Модель выпущена под лицензией WTFPL. У неё нет обучения безопасному отказу, поэтому она может выдавать резкие мнения, сленг и грубую лексику. Автор также предупреждает о фактических ошибках и коротком контексте; для генерации требуется отключить use_cache, а формат GGUF не поддерживается.